NeurGO：为昂贵黑箱优化学习生成精英候选解

NeurGO提出一种生成式MetaBBO框架，从历史种群状态中学习搜索趋势，直接生成高质量候选解，减少传统进化算法在候选筛选和大规模子代评估上的预算浪费。其注意力编码器连接种群表征与解码器，并通过质量—多样性损失避免搜索过早收敛。论文报告其在CEC 2008和COCO BBOB基准上以相同评估预算取得更好性能和更快收敛，但摘要未给出具体数值。